外観検査AI、大量の「不良データ」は本当に必要なのか？
こんにちは、マジセミ寺田です。
いつもマジセミにご参加いただきありがとうございます！
今回は、「外観検査AI、大量の「不良データ」は本当に必要なのか？」というテーマについて解説するセミナーを企画しました。
2023年11月2日（木）14：00 - 15：00
参加できなかった方にも、以下のサイト開催１ヶ月後に動画・資料を公開します！
https://majisemi.com/
製造DXの進展と、求められる高品質
近年の製造業におけるDX（デジタルトランスフォーメーション）の取り組みは急速に進展しています。
外観検査の分野においても、カメラなどの撮像デバイスの発展、画像処理技術の高度化、深層学習を核とするAI技術の進化などを背景に、従来の人手や、画像処理技術を用いた検査から、AIを活用した検査へと移行が進んでいます。
外観検査AI導入での障壁
しかしながら、AIを活用した外観検査には様々な課題が伴います。
良品と不良品をAIに正確に識別させるためには、どちらのサンプルも適切なバランスで学習データとして提供することが必要です。
特に、不良品は微細な傷や色のムラ、形状の変形など、様々な特性を持つため、それらを正確に捉えるための多様な不良データが不可欠となります。しかし、一般的な製造業では不良品を極力少なくする運用が確立されているため、充分な量の不良データを確保するのは困難です。その結果、学習データの偏りが生じてしまい、AIが特定の不良を見落とすリスクが高まります。
この課題の解決のため、限られた教師データだけで、高い検出精度を得るAIモデルが求められています。
少量の良品データで高精度な検出が可能なAIモデルとは
本セミナーでは、「いつもと違う」を教えてくれる外観検査AI「Gemini eye」シリーズを通して、少量の良品データのみを用いても高い検出精度を達成する方法を、様々な事例を交えて詳しく解説いたします。
「Gemini eye」シリーズは、Pros Consが独自に開発した「教師なしアルゴリズム」を採用しています。これにより、従来の方法とは異なり、不良データを教師データとして用いることなく、99％以上の不良品を高精度で検出します。さらに、「Gemini eye」シリーズは、お客様の製造ラインに適した光学機器や設備、そしてコンサルティング支援を総合的に提供する体制を整えています。また、PLCを通じた各種機器やシステムとの連携も可能です。
特に、AIの外観検査システムの導入を検討しているが、学習用の不良データの収集が難しく課題と考えている方、外観検査システムを導入してみたが過検出が多く精度に課題がある方、従来のヒトや画像処理での検出に限界を感じている方、などに特におすすめです。
★ここでしか聞けない内容です！★
2023年11月2日（木）14：00 - 15：00
Youtubeで過去開催したセミナーの動画が視聴できます。チャンネル登録お願いします！
この記事が気に入ったらサポートをしてみませんか？